Фреймворк агентов SuperAGI

Разверните SuperAGI на Clore.ai — autonomous AI agent framework, ориентированный на разработчиков, с GUI-панелью, маркетплейсом инструментов, параллельными агентами и опциональной поддержкой локальных LLM на мощных GPU-облачных серверах.

Обзор

SuperAGI является автономным ИИ-агентским фреймворком с открытым исходным кодом, ориентированным на разработчиков, с более чем 15 тыс. звёзд на GitHub. В отличие от простых чат-ботов, SuperAGI работает автономные агенты — ИИ-системы, которые самостоятельно планируют, выполняют многошаговые задачи, используют инструменты и итеративно движутся к цели без постоянного участия человека.

Зачем запускать SuperAGI на Clore.ai?

• GPU не обязателен, с мощной поддержкой локальных LLM — Запускайте агентов на локальных моделях (Llama, Mistral и т. д.) на GPU Clore.ai для полностью приватного автономного ИИ с контролируемыми затратами.

• Параллельное выполнение агентов — Запускайте несколько агентов параллельно на одном сервере, и каждый будет одновременно работать над разными задачами.

• Постоянная память агентов — Агенты сохраняют контекст, учатся на выводах инструментов и хранят долговременную память в векторных базах данных между запусками.

• Маркетплейс инструментов — Предварительно готовые интеграции для Google Search, GitHub, Email, Jira, Notion и многого другого.

• Экономика Clore.ai — При $0.07–0.21/ч за RTX 3090 вы можете запускать способных автономных агентов за долю стоимости облачных ИИ-сервисов.

Ключевые особенности

Функция	Описание
Провижининг агентов	Создавайте, настраивайте и развёртывайте агентов через GUI
Маркетплейс инструментов	30+ встроенных инструментов (поиск, код, файлы, API)
Поддержка нескольких моделей	OpenAI, Anthropic, локальные LLM через пользовательскую конечную точку
Одновременные агенты	Запускайте несколько агентов одновременно
Память агента	Краткосрочная (окно контекста) + долгосрочная (векторная БД)
Панель GUI	Полный веб-интерфейс для управления агентами
Менеджер ресурсов	Отслеживайте использование токенов и затраты по каждому агенту
Шаблоны рабочих процессов	Предварительно готовые шаблоны агентов для типовых задач

Архитектура

┌────────────────────────────────────────────────────┐
│              Стек SuperAGI                         │
│                                                    │
│  ┌─────────────────────┐   ┌───────────────────┐   │
│  │  Фронтенд (порт 3000)│  │  API (порт 8001)  │   │
│  │  Интерфейс Next.js   │   │  Бэкенд FastAPI   │   │
│  └──────────┬──────────┘   └─────────┬─────────┘   │
│             └──────────┬─────────────┘             │
│                        ▼                           │
│  ┌─────────────────────────────────────────────┐   │
│  │            Исполнитель агентов             │   │
│  │  ┌──────────┐  ┌──────────┐  ┌──────────┐  │   │
│  │  │  Agent 1  │  │  Agent 2  │  │  Agent N  │  │   │
│  │  └──────────┘  └──────────┘  └──────────┘  │   │
│  └───────┬─────────────┬─────────────┬─────────┘   │
│          ▼             ▼             ▼             │
│  ┌───────────┐  ┌───────────┐  ┌───────────┐      │
│  │ PostgreSQL │  │  Redis    │  │  Векторная│      │
│  │ (Состояние) │  │ (Очередь) │  │   БД      │      │
│  └───────────┘  └───────────┘  └───────────┘      │
└────────────────────────────────────────────────────┘
          │
    ┌─────┴──────┐
    ▼            ▼
 OpenAI      Локальная LLM
 Anthropic   (Ollama/vLLM)

---

Требования

Технические характеристики сервера

Компонент	Минимум	Рекомендуется	Примечания
GPU	Нет (режим API)	RTX 3090 (локальные LLM)	Для локального инференса модели нужен GPU
VRAM	—	24 ГБ	Для запуска локальных моделей 13B+
CPU	4 vCPU	8 vCPU	Выполнение агентов требовательно к CPU
ОЗУ	8 ГБ	16 ГБ	Для нескольких одновременных агентов нужна память
Хранилище	20 ГБ	100+ ГБ	Логи агентов, векторная БД, хранилище моделей

Справка по ценам Clore.ai

Тип сервера	Примерная стоимость	Сценарий использования
CPU (8 vCPU, 16 ГБ)	~$0.10–0.20/ч	SuperAGI + внешний API (OpenAI/Anthropic)
RTX 3090 (24 ГБ)	$0.07–0.21/ч	SuperAGI + локальная модель Ollama 13B
RTX 4090 (24 ГБ)	$0.14–0.42/ч	SuperAGI + Ollama, более быстрый инференс
2× RTX 3090	$0.14–0.42/ч	SuperAGI + модель 70B (квантование Q4)
A100 80 ГБ	голое железо	SuperAGI + большие модели, высокая параллельность
H100 80 ГБ	~$1.04/ч	Автономные агентские системы промышленного уровня

💡 Совет по стоимости: Для разработки и тестирования используйте API OpenAI или Anthropic (GPU не нужен). Переключайтесь на экземпляр с GPU только тогда, когда вам нужен локальный инференс LLM ради приватности или снижения затрат. См. Руководство по сравнению GPU.

Предварительные требования

• Сервер Clore.ai с доступом по SSH

• Docker + Docker Compose (предустановлены на Clore.ai)

• Git (предустановлен)

• 4+ vCPU, 8+ ГБ ОЗУ (для одновременных агентов рекомендуется 16 ГБ)

• ключ API OpenAI или конечная точка локальной LLM (Ollama/vLLM)

---

Быстрый старт

Способ 1: Docker Compose (официальный — рекомендуется)

Официальное развёртывание SuperAGI использует Docker Compose для управления всеми сервисами.

Шаг 1: Подключитесь к вашему серверу Clore.ai

ssh root@<your-clore-server-ip> -p <ssh-port>

Шаг 2: Клонируйте и настройте

git clone https://github.com/TransformerOptimus/SuperAGI.git
cd SuperAGI
cp config_template.yaml config.yaml

Шаг 3: Отредактируйте config.yaml

nano config.yaml

Минимально необходимая конфигурация:

# config.yaml
OPENAI_API_KEY: "sk-your-openai-key-here"

# База данных (оставьте значение по умолчанию для Docker Compose)
POSTGRES_DB: "super_agi"
POSTGRES_USER: "super_agi"
POSTGRES_PASSWORD: "password"

# Векторная база данных
VECTOR_STORE: "Redis"  # или "Pinecone", "Qdrant", "Weaviate"
REDIS_URL: "redis://super__agi-redis-1:6379/0"

# Настройки приложения
ENV: "PROD"
ALLOW_LISTS_CREATION: "true"

# Ограничить доступ
# AUTH_SECRET_KEY: "your-random-secret"

Шаг 4: Запустите стек

docker compose up -d --build

Процесс сборки загружает зависимости и компилирует фронтенд (~5–10 минут при первом запуске).

Шаг 5: Отслеживайте запуск

# Наблюдайте за запуском всех сервисов
docker compose ps

# Просматривайте логи
docker compose logs -f

# Дождитесь "Application startup complete" в логах backend
docker compose logs superagi-backend --tail 30

Шаг 6: Откройте панель управления

http://<your-clore-server-ip>:3000

API доступен по адресу:

http://<your-clore-server-ip>:8001

Документация API:

http://<your-clore-server-ip>:8001/docs

---

Способ 2: Быстрый старт с готовыми образами

Для более быстрого запуска с использованием готовых образов (пропустите шаг сборки):

git clone https://github.com/TransformerOptimus/SuperAGI.git
cd SuperAGI
cp config_template.yaml config.yaml

# Отредактируйте конфиг с вашими ключами API
nano config.yaml

# Используйте готовые образы, если они доступны
docker compose -f docker-compose.yaml pull
docker compose up -d

---

Способ 3: Минимальная однмодельная конфигурация

Упрощённая настройка для тестирования только с OpenAI:

git clone https://github.com/TransformerOptimus/SuperAGI.git
cd SuperAGI

# Создайте минимальный конфиг
cat > config.yaml << 'EOF'
OPENAI_API_KEY: "sk-your-key-here"
POSTGRES_DB: "super_agi"
POSTGRES_USER: "super_agi"
POSTGRES_PASSWORD: "superagi_password_123"
REDIS_URL: "redis://super__agi-redis-1:6379/0"
ENV: "PROD"
EOF

docker compose up -d --build

# Отслеживайте ход сборки
docker compose logs superagi-frontend --tail 5 -f &
docker compose logs superagi-backend --tail 5 -f

---

Конфигурация

config.yaml Референс

# ============================================================
# Поставщики LLM
# ============================================================
OPENAI_API_KEY: "sk-..."                    # Модели OpenAI GPT
ANTHROPIC_API_KEY: "sk-ant-..."            # Модели Claude

# Для локальных моделей (Ollama или API, совместимый с OpenAI)
# Настройте в интерфейсе: Настройки → Модели → Пользовательская модель
OPENAI_API_BASE: "http://172.17.0.1:11434/v1"  # Ollama на том же хосте
OPENAI_MODEL: "llama3.1:8b"

# ============================================================
# База данных
# ============================================================
POSTGRES_DB: "super_agi"
POSTGRES_USER: "super_agi"
POSTGRES_PASSWORD: "your-strong-password"

# ============================================================
# Векторная база данных (долговременная память агента)
# ============================================================
VECTOR_STORE: "Redis"       # Redis (по умолчанию, встроенный)
# Или используйте внешнюю:
# VECTOR_STORE: "Pinecone"
# PINECONE_API_KEY: "your-key"
# PINECONE_ENVIRONMENT: "us-east-1-aws"

# VECTOR_STORE: "Weaviate"
# WEAVIATE_URL: "http://weaviate:8080"

# ============================================================
# Ключи API инструментов (необязательно, для конкретных инструментов)
# ============================================================
GOOGLE_API_KEY: "your-google-key"
GOOGLE_CUSTOM_SEARCH_ENGINE_ID: "your-cx-id"
GITHUB_TOKEN: "ghp_your-token"
JIRA_EMAIL: "[e-mail]"
JIRA_API_TOKEN: "your-jira-token"
JIRA_SERVER_URL: "https://your-org.atlassian.net"

# ============================================================
# Хранилище
# ============================================================
STORAGE_TYPE: "File"        # Локальное файловое хранилище
# STORAGE_TYPE: "S3"        # S3-совместимое (MinIO, AWS)
# BUCKET_NAME: "superagi"
# AWS_ACCESS_KEY_ID: "..."
# AWS_SECRET_ACCESS_KEY: "..."

# ============================================================
# Безопасность
# ============================================================
JWT_SECRET_KEY: "your-random-secret-key"

Подключение SuperAGI к инструментам

Инструменты настраиваются через GUI по адресу Настройки → Набор инструментов. Каждый инструмент можно включить/отключить для каждого агента.

Встроенные инструменты:

Инструмент	Назначение	Требуется API-ключ
Поиск Google	Веб-поиск	Да (Google API)
DuckDuckGo	Веб-поиск	Нет
GitHub	Доступ к репозиторию кода	Да (токен GitHub)
Электронная почта	Отправка/чтение email	Да (конфигурация SMTP)
Генератор кода	Писать и выполнять код	Нет
Файловый менеджер	Чтение/запись локальных файлов	Нет
Браузер	Просмотр веб-страниц без интерфейса	Нет
Jira	Отслеживание задач	Да
Notion	База знаний	Да
Генерация изображений	DALL-E 3, Stable Diffusion	Да (ключ OpenAI)

Создание первого агента

Через GUI (Настройки → Агенты → Создать агента):

1. Имя — Дайте агенту понятное название

2. Описание — Чем занимается этот агент

3. Цели — Перечислите цели (по одной на строку)

4. Инструкции — Системный prompt для поведения

5. Модель — Выберите LLM (GPT-4, Claude или локальную)

6. Инструменты — Включите нужные инструменты

7. Макс. итерации — Ограничение безопасности (обычно 10–50)

Через REST API:

# Создайте агента через API
curl -X POST "http://localhost:8001/v1/agent" \\
  -H "Content-Type: application/json" \\
  -d '{
    "name": "Исследовательский агент",
    "description": "Исследует темы и пишет сводки",
    "goal": [
      "Исследовать предоставленную тему",
      "Написать подробную сводку",
      "Сохранить сводку в файл"
    ],
    "agent_type": "Очередь задач",
    "constraints": [],
    "tools": ["DuckDuckGoSearch", "WriteFileTool", "ReadFileTool"],
    "exit_criterion": "Нет критерия выхода",
    "max_iterations": 25,
    "user_timezone": "UTC",
    "llm_model_config": {
      "model_name": "gpt-4o-mini",
      "temperature": 0.5,
      "max_new_tokens": 2000
    }
  }'

---

Ускорение на GPU

SuperAGI поддерживает локальный инференс LLM через любую конечную точку, совместимую с OpenAI, что делает его идеальным для развёртываний Clore.ai на GPU.

Настройка Ollama в качестве бэкенда LLM агента

См. Руководство по Ollama для полной настройки Ollama. Интеграция с SuperAGI:

Шаг 1: Запустите Ollama на том же сервере Clore.ai

docker run -d \
  --name ollama \\
  --gpus all \
  --restart unless-stopped \
  -p 11434:11434 \\
  -v ollama_models:/root/.ollama \\
  ollama/ollama

# Загрузите подходящую модель для использования агентом (требуется хорошее рассуждение)
docker exec ollama ollama pull llama3.1:8b        # Быстрая, хорошее рассуждение
docker exec ollama ollama pull mistral:7b-instruct  # Кодовые задачи
docker exec ollama ollama pull deepseek-coder:6.7b # Агенты с упором на код

Шаг 2: Настройте SuperAGI для использования Ollama

В config.yaml:

# Укажите Ollama (работает на Docker-хосте)
OPENAI_API_BASE: "http://172.17.0.1:11434/v1"

Или настройте в интерфейсе SuperAGI:

• Настройки → Модели → Добавить пользовательскую модель

• Поставщик: OpenAI-compatible

• Базовый URL: http://172.17.0.1:11434/v1

• API-ключ: ollama (любая строка)

• Название модели: llama3.1:8b

Настройка vLLM для агентов с высокой пропускной способностью

Для продакшн-развёртываний с большим числом одновременных агентов (см. Руководство по vLLM):

# Запустите vLLM на GPU-сервере
docker run -d \
  --name vllm \\
  --gpus all \
  --restart unless-stopped \
  -p 8000:8000 \\
  -v hf_cache:/root/.cache/huggingface \\
  -e HF_TOKEN=hf_your-token \\
  vllm/vllm-openai:latest \\
  --model mistralai/Mistral-7B-Instruct-v0.3 \\
  --served-model-name mistral-7b \\
  --max-model-len 8192 \\
  --enable-prefix-caching

# В config.yaml:
# OPENAI_API_BASE: "http://172.17.0.1:8000/v1"

Подбор GPU для рабочих нагрузок агентов

Сценарий использования	Модель	GPU	VRAM	Одновременные агенты
Тестирование	GPT-4o-mini (API)	Нет	—	Неограниченно (с ограничением по скорости)
Лёгкие агенты	Llama 3.1 8B	RTX 3090	8 ГБ	2–4
Задачи на рассуждение	Mistral 7B Instruct	RTX 3090	6 ГБ	3–5
Сложные агенты	Llama 3.1 70B Q4	2× RTX 3090	48 ГБ	1–2
Продакшен	Llama 3.1 70B FP16	A100 80 ГБ	80 ГБ	3–6

---

Советы и лучшие практики

Проектирование агентов

• Будьте конкретны в целях — Расплывчатые цели вроде «провести исследование» заставляют агентов зацикливаться. Используйте «Исследуйте X и напишите сводку на 500 слов в файл output.txt.»

• Устанавливайте лимиты итераций — Всегда задавайте max_iterations (20–50). Неограниченные агенты могут быстро расходовать токены.

• Используйте режим очереди задач — Для многошаговых конвейеров агенты типа «Очередь задач» надёжнее, чем режим «Не ограничивать».

• Сначала тестируйте на дешёвых моделях — Проверяйте логику агента с GPT-4o-mini или локальной 7B-моделью, прежде чем использовать дорогие модели.

Управление затратами на Clore.ai

# Отслеживайте использование токенов в реальном времени с панели SuperAGI
# Настройки → Ресурсы → Использование токенов

# Установите лимиты на уровне организации в config.yaml
MAX_BUDGET_TOKENS: 100000  # Жёсткий лимит на сессию

Поскольку Clore.ai взимает оплату почасово:

# Сохраните конфигурации агента перед остановкой экземпляра
docker compose exec superagi-backend \\
  python -c "import json; from superagi.models import Agent; ..."

# Создайте резервную копию базы данных PostgreSQL
docker compose exec super__agi-db-1 \\
  pg_dump -U super_agi super_agi | gzip > superagi-db-$(date +%Y%m%d).sql.gz

# Скопируйте резервную копию вне сервера
scp -P <ssh-port> root@<server-ip>:~/SuperAGI/superagi-db-*.sql.gz ./

Обеспечение безопасности SuperAGI

# Включите аутентификацию в config.yaml
AUTH_SECRET_KEY: "your-strong-random-secret"

# Ограничьте API только localhost (используйте SSH-туннели)
# Измените docker-compose.yml, чтобы убрать привязку к внешнему порту:
# ports:
#   - "127.0.0.1:8001:8001"  # API только локально
#   - "127.0.0.1:3000:3000"  # UI только локально

# Затем подключитесь через SSH-туннель:
# ssh -L 3000:localhost:3000 -L 8001:localhost:8001 root@<server-ip> -p <port>

Постоянное хранилище между сессиями Clore.ai

# Создайте скрипт полного резервного копирования
cat > /root/backup-superagi.sh << 'EOF'
#!/bin/bash
cd ~/SuperAGI

# Резервное копирование базы данных
docker compose exec -T super__agi-db-1 \
  pg_dump -U super_agi super_agi | \
  gzip > ~/backups/superagi-db-$(date +%Y%m%d-%H%M).sql.gz

# Резервное копирование конфигурации и рабочих пространств
tar -czf ~/backups/superagi-files-$(date +%Y%m%d-%H%M).tar.gz \
  config.yaml \
  workspace/ \
  .env 2>/dev/null || true

echo "Резервное копирование завершено: $(ls -lh ~/backups/ | tail -2)"
EOF

chmod +x /root/backup-superagi.sh
mkdir -p ~/backups

Обновление SuperAGI

cd ~/SuperAGI

# Сохраните текущую конфигурацию
cp config.yaml config.yaml.backup

# Получить последние изменения
git pull origin main

# Пересоберите и перезапустите
docker compose down
docker compose up -d --build

# Убедитесь, что все сервисы работают нормально
docker compose ps
docker compose logs superagi-backend --tail 20

---

Устранение неполадок

Сборка завершается с ошибкой во время docker compose up --build

# Подробно проверьте логи сборки
docker compose build superagi-backend --no-cache 2>&1 | tail -50

# Частое решение: освободите место на диске
docker system prune -f
df -h  # Убедитесь, что свободно не менее 10 ГБ

# Если сборка npm для фронтенда завершается с ошибкой
docker compose build superagi-frontend --no-cache

# Проверьте использование памяти Node.js во время сборки
docker compose build superagi-frontend \
  --build-arg NODE_OPTIONS="--max-old-space-size=4096"

Серверная часть падает при запуске

# Проверьте логи серверной части
docker compose logs superagi-backend --tail 50

# Распространённые причины:
# 1. Неверный синтаксис config.yaml
python3 -c "import yaml; yaml.safe_load(open('config.yaml'))" && echo "YAML в порядке"

# 2. База данных ещё не готова
docker compose restart superagi-backend  # Сначала дождитесь запуска БД

# 3. Отсутствует API-ключ
grep OPENAI_API_KEY config.yaml  # Убедитесь, что он задан и не пустой

Фронтенд не загружается (порт 3000)

# Проверьте контейнер фронтенда
docker compose ps superagi-frontend
docker compose logs superagi-frontend --tail 30

# Проверьте сопоставление портов
ss -tlnp | grep 3000

# Проверьте, доступен ли API-бэкенд из фронтенда
docker compose exec superagi-frontend \
  curl -s http://superagi-backend:8001/health

Агенты бесконечно зацикливаются

# Проверьте логи агента в интерфейсе SuperAGI:
# Панель управления → Агент → Просмотр логов

# Принудительно остановите работающего агента через API
curl -X POST "http://localhost:8001/v1/agent/<agent-id>/stop" \
  -H "Content-Type: application/json"

# Или остановите всех агентов через БД
docker compose exec super__agi-db-1 \\
  psql -U super_agi -c "UPDATE agent_executions SET status='COMPLETED' WHERE status='RUNNING';"

Ошибки подключения к Redis

# Проверьте состояние Redis
docker compose ps super__agi-redis-1
docker compose logs super__agi-redis-1

# Проверьте подключение к Redis
docker compose exec superagi-backend \\
  python3 -c "import redis; r=redis.from_url('redis://super__agi-redis-1:6379/0'); print(r.ping())"

# Перезапустите Redis
docker compose restart super__agi-redis-1

Ollama недоступна из контейнера SuperAGI

# Найдите IP Docker-моста
docker network inspect bridge | grep Gateway

# Проверьте из контейнера бэкенда
docker compose exec superagi-backend \\
  curl -s http://172.17.0.1:11434/v1/models

# Если используется хостовая сеть
docker run -d --network host ...  # Не очень совместимо с docker compose

# Альтернатива: добавьте Ollama в ту же сеть compose
# Добавьте в раздел services файла docker-compose.yml:
# ollama:
#   image: ollama/ollama
#   deploy:
#     resources:
#       reservations:
#         devices:
#           - driver: nvidia
#             count: all
#             capabilities: [gpu]

Пул соединений с базой данных исчерпан

# Увеличьте максимальное количество подключений PostgreSQL в docker-compose.yml
# Под сервисом db:
command: postgres -c max_connections=200

# Перезапустите базу данных
docker compose restart super__agi-db-1
docker compose restart superagi-backend

---

Дополнительное чтение

• Документация SuperAGI — официальные руководства, справочник API

• SuperAGI GitHub — исходный код, ошибки, сообщество

• Запуск Ollama на Clore.ai — локальный LLM-бэкенд для агентов

• Запуск vLLM на Clore.ai — высокопроизводительный инференс для одновременных агентов

• Руководство по сравнению GPU — выбор подходящего тарифа Clore.ai

• Маркетплейс инструментов SuperAGI — инструменты агентов, созданные сообществом

• Discord SuperAGI — поддержка и обсуждения сообщества

• Документация FastAPI (API SuperAGI) — интерактивная документация API в вашем экземпляре